Introduction fonctionnement de l'Intelligence Artificielle

Ce que vous ne trouverez pas dans cette UE : un mode d’emploi pour utiliser l’IA, générer des prompts pour dialoguer avec ChatGPT ou générer des images avec des outils en ligne.

L’objectif de cette UE est plutôt de comprendre comment ces systèmes d'IA fonctionnent, et dans quels contextes ils sont utilisés.

Nous commençons par poser les bases historiques et conceptuelles de l’IA, puis nous explorons ses grandes branches techniques (raisonnement, langage, vision, robotique, recommandation) à travers des exemples concrets et variés. Ensuite nous abordons les applications de l’IA dans différentes disciplines ; enfin nous concluons par une réflexion sur ses enjeux éthiques, juridiques et sociétaux.

 Chapitre 1 : Qu'est-ce que l'Intelligence Artificielle ?
 Ce chapitre introduit l’IA à travers son histoire, des débuts de l’approche symbolique (basée sur des règles explicites) jusqu'à l’essor de l’apprentissage automatique, où les machines apprennent à partir de données. On pose les bases de ce qu’on appelle aujourd’hui "IA" en comparant différentes approches et usages.

Chapitre 2 : Raisonnement et inférence
On explore comment une IA peut raisonner logiquement à partir de connaissances pour tirer des conclusions, par exemple à travers des systèmes experts ou la logique propositionnelle. Ce chapitre permet de comprendre la base du raisonnement symbolique avant l'ère de la donnée.

Chapitre 3 : L'IA et le langage : Traitement Automatique du Langage Naturel (TALN)
Ce chapitre présente les grandes étapes pour permettre à une machine de comprendre ou de générer du langage humain, comme l’analyse syntaxique, la sémantique, ou encore la traduction automatique. Des exemples comme les chatbots ou les moteurs de recherche sont utilisés pour illustrer les défis du TALN.

Chapitre 4 : La vision par ordinateur : reconnaître et comprendre les images
Dans ce chapitre, l’objectif est de découvrir comment les machines peuvent "voir", en extrayant des caractéristiques visuelles et en les interprétant, par exemple pour détecter un visage ou reconnaître des objets.

Chapitre 5 : Utiliser l'IA pour les jeux
Ce chapitre montre comment les jeux ont servi de terrain d’expérimentation pour l’IA, du jeu d’échecs à AlphaGo. On y aborde les concepts d’arbre de décision, de stratégie et d’apprentissage par renforcement à travers des cas concrets et ludiques.

Chapitre 6 : Les robots et l’IA
Lien entre IA et robotique : comment un robot peut percevoir son environnement, prendre des décisions et agir. Ce chapitre mêle perception, planification et action, et discute aussi les limites actuelles des robots dits "intelligents".

Chapitre 7 : Analyser les données : algorithmes de recommandation et de classement
On introduit comment l’IA peut trier, classer ou recommander des contenus, par exemple sur Netflix ou YouTube, avec un focus sur le filtrage collaboratif. Ce chapitre met en lumière les mécanismes d’apprentissage à partir du comportement des utilisateurs.

Chapitre 8 : Applications de l’IA en physique/chimie/sport/X…
Un panorama de cas concrets d’IA dans différentes disciplines scientifiques et techniques est proposé, pour montrer la transversalité de l’IA. Cela inclut la modélisation en physique, l’analyse spectrale en chimie ou le suivi de la performance en sport.

Chapitre 9 : L’IA et le droit, la vie privée, l’éthique, enjeux sociétaux de l’IA
Ce dernier chapitre interroge les conséquences de l’IA sur nos vies : biais algorithmiques, respect des données personnelles, impact environnemental ou prise de décision automatisée. Il initie à une réflexion critique sur les usages responsables de l’IA.

Faire découvrir les principes fondamentaux de l’intelligence artificielle de manière accessible.
Donner un aperçu des grandes familles de méthodes en IA (apprentissage supervisé, non supervisé, raisonnement, traitement du langage, vision, etc.).
Montrer les impacts de l’IA dans la société, sur les sciences, dans la santé, les sports, etc.
Sensibiliser aux enjeux éthiques et juridiques liés aux usages de l’IA 

L'étudiant doit avoir des bases en mathématiques et un intérêt pour les aspects scientifiques et techniques de l'IA.

QCM

Avant de suivre cet enseignement l’étudiant doit maitriser la langue française, l’orthographe, la syntaxe, maîtriser les acquis de l’enseignement secondaire.

Le contenu du cours étant différent d’un semestre à l’autre, les étudiant.e.s peuvent indifféremment suivre l’un des semestres ou les deux.

Comprendre les grandes notions et concepts de base de l’IA (algorithme, donnée, apprentissage, réseau de neurones, etc.).

Identifier les domaines d’application de l’IA et quelques exemples concrets emblématiques.

Savoir repérer les limites, les biais et les risques associés à l’usage de l’IA.

S’initier à des outils ou à des expérimentations simples d’IA (via des démonstrateurs, notebooks interactifs, etc.).